文献类型：期刊文章

作　　者：贾兆红[1] 张袁源[1] 王海涛[1] 梁栋[1]

JIA Zhaohong;ZHANG Yuanyuan;WANG Haitao;LIANG Dong(School of Internet, Anhui University, Hefei 230039, China)

机构地区：[1]安徽大学互联网学院,合肥230039

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(71971002);安徽省重大专项(202003a06020016);安徽省教育厅科学研究项目(YJS20210029)。

年　　份：2022

卷　　号：53

期　　号：7

起止页码：259-266

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对番茄叶片型病害在早晚期具有类内差异大、类间差异小的特点,常规神经网络对此类病害的分类效果不佳的问题,提出了基于Res2Net和双线性注意力的番茄病害时期识别方法,通过多尺度特征和注意力机制,提高网络的细粒度表征能力。首先,提出EFCA通道注意力模块,在不降维的基础上,使用二维离散余弦变换代替全局平均池化,以减少常规通道注意力获取时的信息丢失。其次,在外积之后加入最大池化和concat操作,避免双线性融合后因维度过高导致的特征冗余。在7种不同种类和14种不同程度病害番茄叶面型病害数据集实验中,本文方法分类准确度分别为98.66%和86.89%。

关 键 词：神经网络 细粒度分类  番茄病害时期  注意力机制  双线性卷积神经网络  

分 类 号：TP391.4]